关闭

Query Recommendation using Query Log in Search Engines

846人阅读 评论(0) 收藏 举报

  1. 背景:

论文作者是Ricardo baeza-Yates,此人是率先研究关键词推荐的人物之一。当时还在 University of Chile 的Web Research 中心,后来去了yahoo研究院,领导在 Barcelona, Spain and Santiago的yahoo研究院。Ricardo baeza的主页:http://www.dcc.uchile.cl/~rbaeza/

2 论文思想:

这篇论文的思想其实很简单、很基础。用户搜索了一个Query,然后点击结果中的链接,那么就可以构成一个Query到URL的向量。这样就可以计算Query之间的相关性。


3 相似性:

先用term-weight的向量来表示每个Query。

把Query对应的URL的单词作为term。q[i]表示词典中的一个单词,这个q[i]就是向量中的一个维度。这个和BM25算法(Query-Doc相关性计算)中的语素是不一样的,那里是query的分词。

然后直接用cosin函数作为相似性的衡量标准。


4 实验数据:

使用Todocl 搜索引擎15天的log。22190个点击;18527个URL。这里每个Query的点击数量相当少。

聚类方法:k-means

5 评测

实验室的人做review评测。

不同的方法;召回10个结果的准确率都很低,这可能和日志数据比较少有关。

在召回2-5个的时候,准确率差异很大。Support算法最好,有明显的效果。


相关论文:

《The query-flow graph: model and applications》

 Random Walks on the Click Graph


0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:353794次
    • 积分:5842
    • 等级:
    • 排名:第4365名
    • 原创:215篇
    • 转载:12篇
    • 译文:5篇
    • 评论:57条
    最新评论